Microalgae Scenedesmus obliquus as renewable biomass feedstock for electricity generation in microbial fuel cells （MFCs）

Renewable algae biomass, Scenedesmus obliquus, was used as substrate for generating electricity in two chamber microbial fuel cells （MFCs）. From polarization test, maximum power density with pretreated algal biomass was 102mW·m^2 （951mW·m^3） at current generation of 276mA·m^-2. The individual electrode potential as a function of current generation suggested that anodic oxidation process of algae substrate had limitation for high current generation in MFC. Total chemical oxygen demand （TCOD） reduction of 74% was obtained when initial TCOD concentration was 534mg · L^-1 for 150 h of operation. The main organic compounds of algae oriented biomass were lactate and acetate, which were mainly used for electricity generation. Other byproducts such as propionate and butyrate were formed at a negligible amount. Electrochemical Impedance Spectroscopy （EIS） analysis pinpointed the charge transfer resistance （112Ω ） of anode electrode, and the exchange current density of anode electrode was 1214 nA·cm^-2.     

黑液水煤浆燃烧过程中氟排放特性

在0.25MW燃烧试验台上进行黑液水煤浆燃烧过程中氟的排放特性研究 ,并和普通水煤浆进行对比 ,分析了影响排放过程的各因素 .试验表明水煤浆中的氟含量较低 ,一般小于 30mg/kg ,普通水煤浆燃烧氟排放率为70%～90%,排放浓度为2.0～2.6mg/m³;黑液水煤浆氟排放率明显低于普通水煤浆 ,为 45%～80 % ,排放浓度为1.7～3.0mg/m³.炉膛温度和水煤浆成分对氟排放浓度有一定的影响 .     

Performance and kinetics of iron-based oxygen carriers reduced by carbon monoxide for chemical looping combustion

Chemical looping combustion is a promising technology for energy conversion due to its low-carbon, high-efficiency, and environmental-friendly feature. A vital issue for CLC process is the development of oxygen carrier, since it must have sufficient reactivity. The mechanism and kinetics of CO reduction on iron-based oxygen carriers namely pure Fe₂O₃ and Fe₂O₃ supported by alumina (Fe₂O₃/Al₂O₃) were investigated using thermo-gravimetric analysis. Fe₂O₃/Al₂O₃ showed better reactivity over bare Fe₂O₃ toward CO reduction. This was well supported by the observed higher rate constant for Fe₂O₃/Al₂O₃ over pure Fe₂O₃ with respective activation energy of 41.1±2.0 and 33.3±0.8 kJ·mol⁻¹. The proposed models were compared via statistical approach comprising Akaike information criterion with correction coupled with F-test. The phase-boundary reaction and diffusion control models approximated to 95% confidence level along with scanning electron microscopy results; revealed the promising reduction reactions of pure Fe₂O₃ and Fe₂O₃/Al₂O₃. The boosting recital of iron-based oxygen carrier support toward efficient chemical looping combustion could be explained accurately through the present study.     

降水波动对呼伦贝尔草甸草原初级生产力年际动态影响

降水是控制草原植被生产力最关键的因素. 为探明降水量在不同时间尺度上的波动及其对草原植被的响应机制,以呼伦贝尔草甸草原为研究对象,选用反映年际降水量波动的降水集中度和偏离期2个因子,将以地面光谱生物量模型计算获得的草甸草原植被NPP(net primary production,净初级生产力)与不同周期降水量和降水波动因子建立回归模型,分析年际降水量波动对草甸草原植被NPP的影响. 结果表明:①在呼伦贝尔草甸草原区,以年内4—7月为关键期,P_k(关键期累积降水量)对草甸草原植被NPP的影响最大,C_dk(关键期降水集中度)平均值为0.439±0.182,d_k(关键期降水偏离期)平均值为31.6 d,变幅为-3.6~94.2 d. ②以P_k和以旬为单位的C_dk、d_k构建的草甸草原植被NPP估算模型,y=-52.11+88.957C_dk+0.724d_k+0.953P_k,能较好地反映草甸草原植被NPP与降水波动之间的关系,模型估测精度可达91.0%. 因此,在半干旱草原区,利用基于遥感植被反射光谱构建的NPP模型计算草甸草原植被NPP具有较高的可信度,并且与样方调查结果有极高的关联性.      

中亚热带5种类型森林土壤微生物群落特征

采用PLFA(phospholipid fatty acids,磷脂脂肪酸)分析法研究江西省九连山国家级自然保护区杉木纯林、马尾松纯林、杉木阔叶混交林、马尾松阔叶混交林与天然常绿阔叶林的土壤微生物群落结构特征,探讨植被特征和土壤理化特征对土壤微生物群落的影响. 结果表明:①杉木阔叶混交林土壤细菌、放线菌和总微生物生物量最高,分别为7.77、1.74和18.21 nmol/g,而马尾松纯林均最低. ②针阔混交显著提高了土壤微生物生物量及其丰富度. 土壤微生物生物量及其丰富度均与土壤含水率、w(AN)(AN为有效氮)、w(TC)、w(TN)呈显著正相关(R为0.426~0.701),而与C/N〔w(TC)/w(TN)〕呈显著负相关(R分别为-0.447、-0.518). ③w(AN)对土壤微生物群落结构的解释率达55.8%. 尽管林下灌木、草本层生物量对土壤微生物生物量影响不大,但对微生物群落结构有一定影响,解释率分别为5.5%和6.3%. 灌草层丰富度与土壤微生物生物量及其丰富度呈显著正相关(R为0.369~0.452). 可见,阔叶树种和林下灌草层能够显著影响土壤微生物群落组成.      

Ce0.7Zr0.3O2纳米棒的制备及其对柴油车尾气碳颗粒的催化净化性能

本研究以硝酸铈、硝酸锆为原料使用溶剂热合成法,制备了CeO₂-ZrO₂纳米棒催化剂(Ce_0.7Zr_0.3O₂(NR)),并用于柴油车尾气碳颗粒催化净化.催化活性检测证实:Ce_0.7Zr_0.3O₂(NR)纳米棒催化剂可有效净化柴油车尾气碳烟颗粒.在Ce_0.7Zr_0.3O₂(NR)存在下,碳颗粒净化率为10%、50%和90%时,所需温度分别仅为375℃、414℃和455℃,比商用Ce_0.7Zr_0.3O₂和Ce0.3Zr0.7O2催化剂性能更优.采用氮吸附-脱附、X射线光电子能谱(XPS)、H2程序升温还原(H₂-TPR)、X射线衍射(XRD)、拉曼光谱(Raman)、扫描电子显微镜(SEM)和透射电子显微镜(TEM)等技术对催化剂进行表征.XRD和Raman结果证实,Ce_0.7Zr_0.3O₂(NR)主要由立方相CeO₂构成,并掺杂了少量四方相氧化锆.SEM和TEM结果则显示,Ce_0.7Zr_0.3O₂(NR)催化剂颗粒明显由纳米棒堆积而成,特定的纳米形貌会影响其对碳颗粒的催化氧化活性.XPS结果证明Ce_0.7Zr_0.3O₂(NR)催化剂主要具有晶格氧、化学氧和表面吸附氧等氧物种;晶格氧是碳颗粒氧化的活性氧物种,其溢流到催化剂表面可与碳颗粒接触从而提高反应活性;化学氧和表面吸附氧均为表面氧物种,极易与表面固体碳颗粒直接接触,从而可在较低温度下促进碳颗粒的净化.H₂-TPR结果进一步证实了XPS结果,Ce_0.7Zr_0.3O₂(NR)催化剂的低温还原温度比商用Ce_0.7Zr_0.3O₂催化剂更低,且含有更多的易还原氧物种,这些低温易还原氧物种可以在较低温度下参与催化反应,促进柴油车尾气颗粒物的低温催化净化.     

浮游植物群落及粒径结构对光吸收特性的影响

浮游植物吸收及比吸收等光学特性表征浮游植物对光的吸收能力,很大程度上决定了其光合作用效率和碳固定量,是浮游植物生态学、水体光学和水色遥感领域研究热点和前沿问题.本研究基于2013年天目湖7个固定采样点逐月观测数据,分析了浮游植物生物量、群落结构、吸收以及比吸收系数等生物-光学参数的季节变化特征,构建了浮游植物生物量、群落结构与吸收、比吸收的参数化关系,提出等效粒径指数概念并探讨其对浮游植物吸收和比吸收系数的影响机制.结果表明,天目湖浮游植物生物量和丰度秋季最高、冬季最低,群落结构季节演替明显,隐藻、针杆藻、小环藻为全年优势属,冬春季节优势属为硅藻-隐藻型,夏季为硅藻-绿藻-甲藻型,秋季为隐藻-硅藻-绿藻型;浮游植物等效粒径季节变化明显,表现为夏季 > 秋季 > 冬季 > 春季,夏季平均值为64.83 μm,春季平均值为29.54 μm.浮游植物吸收系数表现为秋季 > 春季 > 冬季 > 夏季,其中秋季浮游植物在440 nm和675 nm的吸收系数均值为（0.66±0.18） m^-1和（0.33±0.10） m^-1,夏季均值为（0.17±0.02） m^-1和（0.08±0.01） m^-1.浮游植物比吸收系数为春季 > 冬季 > 秋季 > 夏季,其中春季浮游植物在440 nm和675 nm的比吸收系数的均值为（0.07±0.02） m²·mg^-1和（0.04±0.01） m²·mg^-1,夏季的均值为（0.03±0.004） m²·mg^-1和（0.01±0.002） m²·mg^-1.浮游植物吸收系数随生物量和丰度的增加而线性升高,气温引起的硅藻、蓝藻丰度生物量的变化是引起浮游植物吸收系数季节变化的主要原因;比吸收系数和等效粒径呈线性负相关,浮游植物群落结构季节更替引起等效粒径的变化是影响浮游植物比吸收系数季节变化的重要因素.     

不同水分条件和微生物生物量水平下水稻土有机碳矿化及其影响因子特征

稻田土壤常处于频繁的干湿交替过程中,水分条件的改变不仅影响土壤理化性质,而且使土壤微生物群落结构和多样性发生改变,进而影响土壤有机碳矿化速率.然而,不同水分条件和土壤微生物生物量水平对土壤有机碳矿化过程的影响及其机制尚不明确.因此,本研究选取典型亚热带水稻土为研究对象,采用室内模拟培养试验,设置干湿交替和持续淹水这2个水分条件,并通过氯仿熏蒸方法减少土壤微生物生物量,从而获得微生物生物量碳含量高低两个水平的土壤,探讨水分条件和微生物生物量对水稻土有机碳矿化的影响机制.结果表明在培养前30 d,干湿交替处理处在不淹水状态,其CO₂累积排放量显著低于持续淹水处理;30 d后干湿交替处理进入淹水状态,在高微生物生物量碳含量土壤中,其CO₂累积排放量和持续淹水处理的差距逐渐减小,直至78 d无显著差异;在低微生物生物量碳含量土壤中,78 d时干湿交替处理的CO₂累积排放量仍显著低于持续淹水处理.低微生物生物量碳含量土壤在培养初期（前20 d）受其高可溶性有机碳（DOC）含量影响,CO₂排放速率可达高微生物生物量碳土壤的1.1~6.1倍;在培养后期（第45~78 d）土壤有机碳矿化速率达到稳定,高微生物生物量碳土壤的稳定矿化速率比低微生物生物量碳土壤高20%~30%.多元回归分析结果表明,土壤DOC含量的减少（ΔDOC）和Fe²⁺含量的增加（ΔFe²⁺）显著影响持续淹水条件下的CO₂累积排放量的变化值（ΔCO₂）,但对干湿交替处理淹水阶段的CO₂累积排放量却无影响.相关分析结果表明,高微生物生物量碳土壤的CO₂日排放速率在干湿交替处理下与葡萄糖苷酶（BG）活性呈显著正相关,在持续淹水处理下与乙酰葡糖氨糖苷酶（NAG）和过氧化酶（PER）活性呈显著负相关;在低微生物生物量碳土壤中,CO₂日排放速率在持续淹水处理下与NAG活性呈负相关,在干湿交替处理下与酶活性无关.综上,干湿交替处理的CO₂累积排放量低于持续淹水处理,且该差异在低微生物生物量碳的土壤中显著;土壤微生物生物量大小会决定土壤有机碳稳定矿化速率水平;可溶性有机碳量和铁元素的还原量影响持续淹水条件下土壤的CO₂排放量;土壤水分条件会影响CO₂日排放速率及其关键生物酶因子.本研究为深入研究水稻土碳循环和固碳潜力提供数据和理论支持.     

超低排放典型燃烧源颗粒物及水溶性离子排放水平与特征

研究以自行开发建立的超低排放高湿废气中总颗粒物（total particulate matter,TPM）的直接冷凝采样系统及监测方法,应用于3台北京市超低排放典型燃烧源烟气中颗粒物的排放监测.分析和评估超低排放典型燃烧源排气中颗粒物及其水溶性离子的排放水平与组成特征,探究可过滤颗粒物（filterable particulate matter,FPM）和可凝聚颗粒物（condensable particulate matter,CPM）及其水溶性离子的相互作用与影响因素.结果表明：北京市超低排放燃煤锅炉FPM基准氧含量排放浓度介于1.04~1.11mg·m^-3之间,TPM基准氧含量排放浓度介于3.82~8.69mg·m^-3之间,均满足国家超低排放颗粒物限值要求（10mg·m^-3）,燃煤电厂TPM排放浓度超过了北京市颗粒物排放标准限值要求（5 mg·m^-3）.燃煤供暖锅炉CPM及其总水溶性离子排放水平分别为3.05mg·m^-3和1.30mg·m^-3,显著低于燃煤电厂,与燃煤电厂的负荷和烟温较高有关;燃煤电厂锅炉CPM及其总水溶性离子排放浓度分别是燃煤供暖锅炉的2.2~2.4倍和1.7~2.2倍.燃气电厂TPM及其总水溶性离子排放水平分别为1.99mg·m^-3和1.44mg·m^-3,均明显低于燃煤锅炉.CPM是燃烧源排气中颗粒物的主要形式,在超低排放锅炉烟气中CPM对TPM的质量贡献显著增加,并随烟温的升高而增加,燃煤锅炉为72.6%~88.1%,燃气电厂为93.1%,且水溶性离子总量的66.1%~94.2%存在于CPM中.排气烟温显著影响颗粒物及其水溶性离子的赋存形态、脱除效率与排放水平.SO₄^2-是燃煤锅炉颗粒物的主要特征离子,排放浓度介于0.98~1.18mg·m^-3,占水溶性离子排放总量的27.7%~49.6%,来源于烟气脱硫;F^-是燃煤电厂颗粒物中又一主要特征离子,排放浓度介于1.91~2.32mg·m^-3,占水溶性离子排放总量的54.4%~56.1%,可能与燃料煤含氟量高有关;NH₄⁺是燃气电厂颗粒物的主要特征离子,排放浓度为0.92mg·m^-3,占水溶性离子排放总量的64.2%,来源于选择性催化还原法（selective catalytic reduction,SCR）脱硝过程中的NH₃逃逸,其排放浓度显著高于燃煤锅炉,可能与燃气电厂缺少其它净化设施的协同去除效应有关.     

燃煤电厂和垃圾焚烧电厂燃烧产物中卤代多环芳烃的赋存特征和毒性风险

研究了燃煤电厂和垃圾焚烧电厂燃烧产物中卤代多环芳烃（HPAHs）的赋存特征、生成机制和毒性效应.结果表明,燃煤电厂和垃圾电厂飞灰中氯代PAHs （Cl-PAHs）的含量为1.06~1.67 ng·g^-1和2.76 ng·g^-1,溴代PAHs （Br-PAHs）的含量为26.4~44.2 ng·g^-1和6.31 ng·g^-1;垃圾电厂飞灰中Cl-PAHs的含量明显高于燃煤电厂,主要是因为生活垃圾中含有大量的聚氯乙烯为代表的塑料.来自煤粉炉的飞灰中Br-PAHs和Cl-PAHs的含量明显低于循环流化床燃煤飞灰,主要是因为煤粉炉具有更高的燃烧温度和燃烧效率.燃煤电厂飞灰中主要为7-BrBaA和9-ClPhe;垃圾电厂除尘器飞灰中Br-PAHs主要为9-BrPhe和2-ClAnt.7-BrBaA和9,10-Br₂Ant在燃煤电厂除尘器飞灰的含量远高于其在底灰和脱硫石膏的含量,但摩尔质量相对较小的2-BrFle在飞灰、底灰和脱硫石膏中的含量相近.垃圾电厂除尘器飞灰经过半干法脱酸后Br-PAHs的含量减少50%以上,但是经过螯合剂稳固化作用之后飞灰中Br-PAHs的含量明显升高.Pearson相关分析结果表明,燃煤电厂不同燃烧产物的HPAHs生成机制相同,而垃圾焚烧电厂不同产物中HPAHs具有不同的生成机制,飞灰螯合化过程导致HPAHs的二次生成.垃圾电厂除尘器飞灰中HPAHs的TEQs值（10.0×10^-3 ng·g^-1）与燃煤电厂相近（8.87×10^-3~15.0×10^-3 ng·g^-1）.对于垃圾电厂不同燃烧产物,脱酸工艺能够显著去除7-BrBaA从而降低飞灰的TEQ值,而飞灰螯合化后TEQ值达到螯合前的5.4倍.燃煤电厂的飞灰因年产量较大,且总HPAHs的TEQs值相对较高,对其处理和资源化利用应考虑HPAHs带来的生态风险.